热点事件持续更新
新基准Taste-Bench衡量Agent长期决策品味
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
研究团队提出新基准Taste-Bench，用于衡量AI智能体在长期任务中的决策选择质量。该基准包含502道决策分叉题，考察智能体在任务推进过程中做出选择的能力。测试结果显示，表现最佳的模型GPT-5.6 Sol准确率仅为59.7%。报道还指出，当关键线索只在后续步骤才出现时，所有模型的平均准确率降至21%，接近随机猜测水平，且增加推理预算也几乎没有带来改善。
AI 根据报道生成 · 2 小时前更新
最新进展10月18日 16:49
Taste-Bench测试显示最佳模型准确率仅59.7%，关键线索后置时全体模型降至21%。报道时间线
沿着报道，了解事件的不同侧面。
10月18日
- The Decoder新基准 Taste-Bench 显示 AI 智能体长期决策能力不足
研究团队提出 Taste-Bench，用 502 道决策分叉题衡量智能体在长期任务中的选择质量，最佳模型 GPT-5.6 Sol 准确率仅 59.7%。当关键线索只在后续步骤才出现时，所有模型平均准确率降至 21%，接近随机猜测，增加推理预算也几乎无改善。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。